倪磊 罗英杰 苏正扬 李文翔 李晓钰

(成都工业学院网络与通信工程学院，四川 成都 610400)

引言

灌溉配水已成为当前节水农业的研究焦点，粒子群优化算法(PSO)是近年来广泛关注和研究的智能优化算法之一，该算法具有收敛速度快、鲁棒性好、通用性强，优化问题的过程简单等优点，但收敛速度慢，容易陷入局部最优解。多年来很多学者都对粒子群算法进行优化改进，郭丽丽等[1]提出的线性递减动态惯性权重(LDW)存在着早熟收敛及复杂的非线性搜索过程；南杰琼等[2]提出的随机惯性权重(RIW)算法虽然加入随机扰动正弦调整粒子群的惯性权值以增强算法的搜索能力，但算法寻优时探测和开发能力的调节作用不甚明显；纪雪玲等[3]提出的收缩因子(CFPSO)算法虽引入速度因子和位置因子参数,但粒子向全局最优接近且速度小于设定的速度因子,粒子易出现停滞；付强等[4]提出的改进的加速遗传算法解决了在求解作物非充分灌溉下，灌溉模型优化过程易早熟及陷入局部最优，但却难于求解真正最优解；罗志平[5]提出自适应粒子群优化算法(APSO)应用在灌溉配水优化灌溉模型中可对算法的探测和开发能力进行调节，但作物各生育阶段间的灌水量并非最优效益分配。

在考虑工业、生活、环境供水量因素下，为使单位面积上作物的经济效益最大，本文提出一种改进随机惯性权重的粒子群优化算法MRIW(Modified Random Inertia Weight)，不仅能够解决粒子群算法收敛速度慢且易陷入局部最优解问题，而且MRIW算法应用在灌区进行寻优求解时，可使得灌区农业经济效益上有显著增长。……